Технологии обнаружения подводных объектов играют важную роль в области исследования морских ресурсов и охраны окружающей среды. Однако подводная среда характеризуется размытостью изображений и изменчивостью масштабов объектов, что усложняет задачи обнаружения. Для повышения точности обнаружения подводных объектов предложена перцептивно усиленная гибридная сеть. Во-первых, построена основная сеть извлечения признаков с глобально-локальным гибридным усилением, использующая механизм самовнимания для получения долгосрочной глобальной информации изображения, а также модуль усиления свёрточного внимания для извлечения более богатых локальных деталей. Более качественное захватывание связи между глобальными и локальными признаками на этапах извлечения признаков улучшает дискриминацию признаков различных масштабов; затем, для повышения точности обнаружения при низком контрасте размытия, построена двухэтапная детектирующая голова с усилением восприятия объектов. За счёт увеличения глубины сети генерации региональных предложений на первом этапе извлекается больше семантической информации объектов в низкокачественных изображениях, а введение механизма самовнимания на втором этапе подавляет помехи фона или второстепенной информации. Дополнительно введено ответвление пересечения и объединения для обнаружения объектов, которое интегрирует априорную информацию с первого этапа в классификацию второго этапа, повышая точность обнаружения различных типов объектов. Предложенный метод достиг результатов 37.8%, 61.8% и 82.0%, 98.9% на наборах данных подводного обнаружения TrashCan и WPBB соответственно. Качественные и количественные сравнительные эксперименты показали, что модель обладает хорошей точностью и устойчивостью к обнаружению различных подводных объектов.

Обнаружение подводных объектов; Усиление признаков; Механизм самовнимания; Гибридная сеть